1.はじめに
第二に、ソースコード
load ./CID2013.mat; %% You can also load the files of 'CSIQ.mat' or 'TID13.mat' if you want to use CSIQ or TID2013 database for training.
train_data = Data(:,[1:5]);
train_label = Data(:, 6);
model = svmtrain(train_label, train_data, '-s 3'); % train
%img = imread('.\input\TV_VR\Fig.7_RTV.jpg');
img=imread('img004.png');
disim = img;
if numel(size(disim))>2 %% Is a rgb image ?
dis_file_gray = rgb2gray(disim);
else
dis_file_gray = disim;
end
i = 1;
%% mean value
mean_tmp = round(mean2(dis_file_gray));
Value(i, 1) = 1/(sqrt(2*pi)*26.0625)*exp(-(mean_tmp-118.5585)^2/(2*26.0625^2));
%% std value
std_tmp = round(std2(dis_file_gray));
Value(i, 2) = 1/(sqrt(2*pi)*12.8584)*exp(-(std_tmp-57.2743)^2/(2*12.8584^2));
%% entropy value
entropy_tmp = entropy(dis_file_gray);
Value(i, 3) = 1/0.2578*exp((entropy_tmp-7.5404)/0.2578)*exp(-exp((entropy_tmp-7.5404)/0.2578));
%% kurtosis value
kurtosis_tmp = kurtosis(double(dis_file_gray(:)));
Value(i, 4) = sqrt(19.3174/(2*pi*kurtosis_tmp^3))*exp(-19.3174*(kurtosis_tmp-2.7292)^2/(2*(2.7292^2)*kurtosis_tmp));
%% skewness value
skewness_tmp = skewness(double(dis_file_gray(:)));
Value(i, 5) = 1/(sqrt(2*pi)*0.6319)*exp(-(skewness_tmp-0.1799)^2/(2*0.6319^2));
test_label = 0;
[predicted_label, accuracy, decision_values] = svmpredict(test_label, Value, model);
Score = predicted_label;
disp('Score:');
disp(Score );
3.備考
完全なコードまたは書き込み追加QQ2449341593過去のレビュー
>>>>>>
[Matlab 024] [画像処理1] Matlab画像処理チュートリアルシリーズの画像圧縮[ Matlab025
] [画像処理2] Matlab画像処理チュートリアルシリーズ画像セグメンテーション（1）
[Matlab026号] [画像処理3] Matlab画像処理チュートリアルシリーズの画像セグメンテーション（2）
[Matlab 029] [画像処理4] Matlab指紋認識
[Matlab030] [画像処理5]銀行カード番号認識matlabソースコード
[ Matlab 074] [画像処理6] [画像クラスタリング] FCMと改良されたFCM脳CT画像クラスタリング処理に
基づく[Matlab075] [画像処理7] [画像評価] CCFアルゴリズムに基づく画質評価
[Matlab076] [画像処理8] [画像強調]局所コントラスト強調に基づくCLAHEアルゴリズム-ヒストグラム強調
[ Matlab077 ] [画像処理9] [画像融合]周波数分割に基づく画像融合
[MatlabIssue 079] [画像処理11] [画像エッジ検出]最小二乗に基づく楕円エッジ検出用のMatlabソースコード